用以監控半導體生產設備中的處理工具的方法與系統的製作方法
2023-09-19 01:24:45
專利名稱：用以監控半導體生產設備中的處理工具的方法與系統的製作方法
技術領域：
本發明是有關於半導體生產技術，特別是有關於一種預測半導體生產結果的方法與裝置。
背景技術：
半導體集成電路晶圓是通過晶圓裝配廠(wafer fabricationfacility，fab)中的多個的製程所製造。該等製程以及相關的生產機臺可包括熱氧化製程、擴散製程、離子注入製程、快速高溫製程(Rapid Thermal Processing，RTP)、化學氣相沉積製程(chemical vapor deposition，CVD)、外延製程、蝕刻製程、微影製程。於製造階段中，運用量測工具(metrology tool)以監控產品(即晶圓)的品質及良率。當集成電路的線寬縮減時，監控的次數也必須對應的做增加。然而此會增加所需的量測工具、增加監控所需的人力、增加製程時間(cycle time)的延誤，並進而增加成本。
因此，希望能在犧牲少許成本的條件下，運用一種系統與方法以增進對產品的品質或良率的監控、控制或預測。
發明內容
為了達成上述目的，本發明提出一種用以監控半導體生產設備中的處理工具的方法，該方法包括下列步驟根據一製程設備相關的生產數據，以替一虛擬感測系統選取重要硬體參數；以及收集關於該製程設備的生產數據。該方法更包括下列步驟於多個的半導體產品生產時，動態地維持該虛擬感測系統；以及運用該虛擬感測系統以及收集的該生產數據以預測一半導體產品經由該製程設備處理後的情況。
本發明所述的用以監控半導體生產設備中的處理工具的方法，更包括下列步驟於選取該等重要硬體參數前，收集該生產數據；以及運用該等重要硬體參數與該生產數據為該虛擬感測系統執行一回歸運算。
本發明所述的用以監控半導體生產設備中的處理工具的方法，其中該收集該生產數據之步驟更包括下列步驟自一量測工具收集晶圓數據；以及自該製程設備收集製程設備數據。
本發明所述的用以監控半導體生產設備中的處理工具的方法，更包括下列步驟運用來自該製程設備的製程設備數據，經由該虛擬感測系統預測一情況。
本發明所述的用以監控半導體生產設備中的處理工具的方法，其中該選取重要硬體參數的步驟更包括下列步驟以一硬體參數進行估計；以及若該硬體參數與產品的該情況相關性微弱，排除該硬體參數。
本發明所述的用以監控半導體生產設備中的處理工具的方法，其中該動態地維護該虛擬感測系統的步驟更包括下列步驟比較經由該虛擬感測系統預測的一第一產品情況與借該等量測工具所量測的一第二產品情況；以及根據一新的生產數據調整該虛擬感測系統。
本發明所述的用以監控半導體生產設備中的處理工具的方法，其中該調整該虛擬感測系統的步驟更包括下列步驟重新選取重要硬體參數；根據該新的生產數據修正回歸參數；以及根據該新的生產數據修正一產品效應表。
本發明亦提出一種用以預測一半導體晶圓生產結果的方法，該方法包括下列步驟自一量測工具以及一製程設備收集生產數據，其中該生產數據包括晶圓數據與製程設備數據；根據該生產數據以選取重要硬體參數；利用該等重要硬體參數與該生產數據，通過執行一回歸程序以形成一虛擬感測系統；適應性地修正該虛擬感測系統；以及利用來自該製程設備的製程設備數據，通過該虛擬感測系統，預測該晶圓生產結果。
本發明所述的用以預測一半導體晶圓生產結果的方法，其中該收集該生產數據的步驟包括下列步驟自該量測工具收集該晶圓數據；以及自該製程設備收集該製程設備數據。
本發明所述的用以預測一半導體晶圓生產結果的方法，其中該選取重要硬體參數的步驟包括下列步驟以某硬體參數進行估測；若該某硬體參數與該晶圓生產結果相關性微弱，排除該某硬體參數；以及重複上述兩步驟直到該製程設備的該等重要硬體參數被辨別出為止。
本發明所述的用以預測一半導體晶圓生產結果的方法，其中該適應性地修正該虛擬感測系統的步驟包括下列步驟比較通過該虛擬感應器系統預測的一晶圓生產結果與由該量測工具量測的一晶圓生產結果；重新選取重要硬體參數以及回歸係數；以及修正一產品效應表。
本發明亦介紹一種半導體製程監控系統，包括一重要硬體參數選擇器，用以為一半導體製程設備選取重要硬體參數；以及一適應性模型，被動態地維護，用以預測一晶圓生產結果；其中該適應性模型包括該等重要硬體參數。
本發明所述的半導體製程監控系統，更包括一數據收集器，用以收集生產數據；一回歸分析模組，用以運用該重要硬體參數與該生產數據以執行回歸分析；以及一通信接口模組，用以溝通預測得到的該晶圓生產結果。
本發明所述的半導體製程監控系統，其中該數據收集器運用一機制以自一製程設備收集製程設備數據，並運用另一機制以自一量測工具收集晶圓數據。
本發明所述的半導體製程監控系統，其中該重要硬體參數選擇器運用一機制以便以硬體參數進行估測並排除呈弱相關的硬體參數。
本發明所述的半導體製程監控系統，其中該適應性模型包括一第一機制，用以評估由該適應性模型預測的一第一晶圓生產結果與由該量測工具所量測的第二晶圓生產結果之間的差異；以及一第二機制，用以根據新的生產數據修正該適應性模型；其中該第二機制包括重新選取硬體參數、修正回歸係數、以及修正一產品效應表的功能。
本發明所述的用以監控半導體生產設備中的處理工具的方法與系統，提供一對於晶圓生產進行監控與控制的方式，以增進效率並降低成本。
圖1為對晶圓生產結果進行精確預測的方法的實施例的流程圖；圖2為自動選取重要硬體參數的方法的實施例的流程簡圖；圖3為建立並維護適應性模型的方法的實施例的流程簡圖；圖4為執行圖1中的方法的虛擬感測系統的實施例的方塊圖；圖5為虛擬集成電路生產系統的方塊圖，其中運用到圖4的虛擬感測系統。
具體實施例方式
下述將提出許多實施例或範例以達成本發明於各式實施情形下的不同功能。為了簡化本發明，下述將描述組件或配置的特定範例。這些範例僅用以舉例說明，而並非對本發明的限定。此外，本發明將於各式範例中重複涉及數字與字母；這是為了說明並簡化範例，而該等數字與字母並非用來表示各式實施例或其組態之間的關係。
圖1為對晶圓生產結果進行精確預測的方法100的流程圖。圖4中所示為實現方法100的一虛擬感測系統(或軟體感測器系統，softsensor system)400的一實施例的方塊圖。本揭露提供一方法與系統以借晶圓的製程設備數據(fabrication tool data)預測晶圓的生產結果。方法100與虛擬感測系統400將於下述參考圖1與圖4進行細部描述。
方法100自步驟112開始，該步驟收集生產過程的數據(生產數據)，包括收集來自量測工具(metrology tool)424的晶圓相關數據，以及收集來自製程設備(fabrication tool)422的諸如硬體參數設定數據的製程設備數據。該收集數據的程序可借一數據收集器404以實現。
製程設備422可為一化學氣相沉積(CVD)系統、一物理氣相沉積(PVD)系統、一蝕刻系統、一熱氧化(thermal oxidation)系統、一離子注入(ion implantation)系統、一化學機械研磨(CMP)系統、一快速熱退火(rapid thermal annealing，RTA)系統、一微影(photolithography)系統、或其他的半導體製程設備。該製程設備的設定值可稱為硬體參數(hardware parameter)。以物理氣相沉積系統為例，其硬體參數可包括加熱溫度、水溫、射頻偏壓反射功率(radio frequency bias reflected power)、射頻側反射功率(RF side reflected power)、射頻頂反射功率(RF top reflectedpower)、反應室氣壓(chamber pressure)、蒸氣分壓(gas partialpressure)、以及塊電壓(chunk voltage)。該等硬體參數可包括其他不包括於製程處方(process recipe)的參數，例如濺鍍目標厚度(sputtering target thickness)、以及物理氣相沉積設備的目標與晶圓之間的間隔。該等製程設備數據可更包括其他數據，諸如設備編號、設備維修史、以及材質說明(例如物理氣相沉積設備的濺鍍目標材質)。
量測工具424可包括運用電、光學、或其他種類的分析工具、例如顯微鏡、微分析工具、線寬量測工具、光罩缺陷檢測工具(maskand reticle defects tool)、粒子分布工具、表面分析工具、應力分析工具、接觸點電阻量測工具(contact resistancemeasurement tool)、遷移率與載流子濃度量測工具、接面深度量測工具、薄膜厚度量測工具、柵極氧化層整體測試工具、C-V量測工具、聚焦離子束(focused ion beam)、以及其他測試與量測工具。晶圓數據可包括晶圓生產結果，例如經由量測工具所得的晶圓參數。該等晶圓參數可包括片電阻(sheet resistance)、反射性、應力、粒子濃度、以及臨界尺寸(critical dimension)。晶圓數據更可包括其他數據例如晶圓編號及產品種類。
舉例來說，一半導體晶圓，無論是單獨一個或成一批次(batch)的型態，是經由不同製程步驟進行處理。一製程步驟可於製程設備422中實施，而其他製程步驟可於其他製程設備中實施。當晶圓於製程設備中處理時，製程設備422可依據製程處方而設定、調整、校正。製程處方中可定義多個的次級步驟。舉例來說，一物理氣相沉積設備的製程處方可定義下列的次級步驟蒸氣(gas)、升壓(ramp)、沉積(deposition)、降壓(pump down)。每個次級步驟中可定義出其固定的持續時間，並可將各式硬體參數設定為某一數值。當晶圓已經該製程設備的製程步驟處理完畢後，一至數個量測工具可被用來測試並量測晶圓的生產結果。該等生產數據包括晶圓數據與製程設備數據，可經由數據收集器404自量測工具424與製程設備422收集。
方法100此時可推進至步驟114，以便自動地選擇重要硬體參數。此步驟可由重要硬體參數選擇器406實行。步驟112所收集的生產數據可被發送至重要硬體參數選擇器406或一回歸分析模組408進行分析。其中的一晶圓參數可被選取並稱之為第一晶圓參數。該第一晶圓參數可能為一組硬體參數的函數。更一般性地說，該第一晶圓參數可在某些次級步驟中高度相關於某些硬體參數，並進一步相關於其他硬體參數。舉例來說，經由化學氣相沉積設備沉積的薄膜厚度可高度相關於基材溫度、射頻偏壓反射功率、射頻頂反射功率、E-塊電壓(E-chunk voltage)。
重要硬體參數選擇器406提供一機制以選取與該第一晶圓參數呈高度相關性的硬體參數(亦被稱之為重要硬體參數)。於一實施情況中，步驟114為該第一晶圓參數(以及其他晶圓參數)自動選擇重要硬體參數，該步驟可借圖2中的方法200以實施，而圖2為方法200的簡化流程圖。方法200將於下詳加描述。
參考圖2，方法200於步驟202開始。對於一特定的製程設備的特定晶圓參數(例如該第一晶圓參數)，所收集的生產數據被發送至重要硬體參數選擇器406或回歸分析模組408(見圖4)以供分析之用。於步驟204中，選取第一硬體參數並實施相關性分析(correlation analysis)。該相關性分析可包括由該回歸分析模組408所實施的回歸分析程序以估計該組特定的晶圓參數與該第一硬體參數的相關程度。若該等生產數據不足夠或不重要時，重要硬體參數選擇器406可要求更多或不同組的生產數據。於步驟206中，若該第一硬體參數與該特定晶圓參數的相關性低於一基準值時，該第一硬體參數可被排除。否則，該第一硬體參數被選取並稱為重要硬體參數。接著方法114回到步驟204，於其中一組第二硬體參數被選取。步驟204與206可被重複實施以對該特定晶圓參數與該第二硬體參數之間的相關性進行分析。該第二硬體參數可能被視為其他的重要硬體參數，或者被排除。同樣的步驟可在其餘的硬體參數(或所有其餘的可能的重要硬體參數)上重複進行，以迄於特定晶圓參數的所有的重要硬體參數皆被選取。
被選取的重要硬體參數可以形成回歸式的基礎，以表達該等重要硬體參數與特定的晶圓參數之間的關係。於步驟208，運用生產數據以估計回歸式。回歸式中可包括選取的重要硬體參數，其可為線性或非線性的關係。若該特定的晶圓參數無法被適當由回歸式預測，可再次以該選取的重要硬體參數組進行估計。若該選取的重要硬體參數組於回歸式中可與晶圓參數相關，方法200可推論所有的重要硬體參數已於步驟210中由晶圓參數中辨識出來。否則，方法200可回到第一步驟202以重複該等處理程序以重新選取重要硬體參數。
可選取部分重要硬體參數以進行初步的分析。方法200可採取一遞迴的嘗試錯誤方式，於其中上述方法重複多次以致於逐漸收斂。同樣地，該用以選取重要參數的基準值亦可被修正。於另一實施情況中，選取的重要硬體參數可形成一回歸式，而一新的硬體參數可被加入該回歸式以進行相關性分析。若相關性未顯著提升(或甚至於降低)，該硬體參數便被拋棄並排除。接著該選擇程序可重複進行，直到所有硬體參數皆已進行該程序並且回歸式收斂為止。
一硬體參數可與一特定次級步驟相關聯。舉例來說，該薄膜厚度可與於沉積次級步驟中的基材溫度相關聯，而可能不會與降壓(pull-down)次級步驟中的基材溫度相關聯。因此選取一重要硬體參數亦可包括辨別與該等硬體參數相關的次級步驟。
再度參考圖1，方法100前進至步驟116以憑藉該等辨識出的重要硬體參數以實施回歸分析，以便決定一至數個回歸係數。該回歸分析可由該回歸分析模組408實施，並可於步驟116完成全部或完成一部分。辨識出的重要硬體參數及回歸係數形成該第一晶圓參數的一回歸式。該回歸式可為線性回歸式或非線性回歸式。需要經由遞迴的嘗試錯誤法找出一重要硬體參數如何與該第一晶圓參數相關的方式，或者其中部分過程可經由工程師的輸入而決定。該第一晶圓參數可被採取作為一範例。每個後續的晶圓參數的回歸式可經由相似的方式形成。
於步驟118中，一適應性模型(adaptive model)402，如圖4中所示，已經建立並作動態的維護。當一第一晶圓參數的一回歸式形成時，可選取一第二晶圓參數。與步驟112至步驟116相似的處理程序接著對於該第二晶圓參數重複一遍而形成一第二回歸式。對於任何剩下的晶圓參數可進行相似的處理以形成多個的回歸式，其中每一回歸式對應於一至數個晶圓參數。此等回歸式形成製程設備422的適應性模型以對晶圓參數或晶圓生產結果進行預測。該適應性模型更包括一產品效應表，其中儲存一組對應於不同種類的晶圓產品的晶圓參數的偏移量。該產品效應表可運用該生產數據及諸如生產說明的生產數據而產生。
每一製程設備可有一適應性模型，該等適應性模型以上述的同樣方式形成，以供晶圓生產結果的預測。此外，該適應性模型是經動態維護以適應該製程設備的特性並隨著該製程設備的老化狀態而隨時調整。維護該適應性模型可包括基於新的生產數據調整模型，以及產生並維護對應於不同產品的產品效應表。該適應性模型的維護將在下述進一步描述，並參考於圖3中的方法300的簡化流程圖。
方法300以步驟302開始，數據收集器404自量測工具424收集新的晶圓數據並自製程設備422收集新的製程設備數據，該等數據被送至適應性模型402進行分析並估計。於步驟304中，新的生產數據可用來估計該產品效應表。舉例來說，可比較產品效應表與新的晶圓數據。若兩者之間的差異增大或超出預定的基準值，便可修正該產品效應表以縮小差異。否則，便不需要變動產品效應表。
於步驟306，可執行一比較程序以比較來自量測工具424的新晶圓數據以及來自適應性模型402所預測的晶圓生產結果。若其間的差異增大並超過一預定基準值，方法300將推進至步驟310以修正該適應性模型。否則，該方法可於步驟308推論可繼續進行晶圓生產結果的預測而不需修正適應性模型402。根據上述的處理，可運用一參數表示該適應性模型402的信賴水準。可依據該信賴水準以決定是否需要修正該適應性模型。
於步驟310中，方法300可運用新的生產數據自動選取重要硬體參數。步驟310可相似於圖1中的步驟114，除了步驟310運用新的生產數據之外。否則，之前的生產數據可合併至新的生產數據以供選取之用。於另一實施情況中，目前的重要硬體參數可被用來作為初步的重要硬體參數，之後再將其調整以形成一群新的重要硬體參數。於步驟312中，可執行一回歸分析以重新建立適應性模型402，包括使用新的重要硬體參數重新建立新的回歸式及新的回歸係數。之後該方法推進至步驟308以運用該更新後的適應性模型進行晶圓生產結果的預測。該信賴水準參數可被對應的更新。
該適應性模型是依據新的生產數據做動態性的修正。修正方式包括選取重要硬體參數、回歸、以及產生產品效應表。每一適應性模型可在相關的製程設備維修或維護後、晶圓產品更動後、或一段時期經過後進行重新估計。該修正程序並不必然限於上述的方法300，只要該適應性模型能及時且正確地反映製程設備以及晶圓產品的變動。
再次參考圖1，方法100進行至步驟120以實施晶圓生產結果的預測。當建立一製程設備的適應性模型並及時維護後，可經由該適應性模型402預測晶圓生產結果。該預測步驟可包括由該回歸分析模組408所執行的一回歸分析。該回歸分析可包括當晶圓於製程設備中進行處理時，運用適應性模型以及該製程設備的重要硬體參數的值經由該等回歸式以計算晶圓參數的值。該等製程設備參數的值可經收集後傳送至虛擬感測系統400的相關模組以供分析之用。該預測更可包括依據該產品效應表與諸如晶圓的產品信息的晶圓數據計算一偏差值。預測所得的晶圓生產結果可被發送至該晶圓裝配廠的所有人或顧客。
系統400更可包括一通信接口410以於系統400與相關的生產者或顧客間報告預測所得的晶圓生產結果。舉例來說，所預測的晶圓生產結果可被發送至工程師426以供評估、生產監控、或改良製程。工程師426可經由通信接口410與系統溝通。通信接口甚至可能於晶圓生產結果超出預定的範圍、包含明顯的變動、或有其他重大變更時提供工程師一警告信息。所預測的晶圓結果可被發送至諸如工廠營運管制系統(Manufacturing Execution System，MES)的數據控制中心，於其中所預測的晶圓生產結果可被進一步處理、組織、或分配以供數據監控、評估、分析及控制，例如製程統計控制(statistical process control，SPC)。該預測的晶圓生產結果可被發送至下一製程步驟的製程設備，於其中製程處方與硬體參數經修正以補償來自目前製程步驟的任何變動，以便讓晶圓的品質、效能與良率均達到最佳化。
只要建立對應一製程設備的初始適應性模型，以進行晶圓生產結果的預測，該適應性模型的維持與執行便不需要依照上述方法100所描述的順序。該適應性模型的維持與運行可以同時進行。因此該適應性模型大致表達了該製程設備所處理的晶圓產品的狀態。
圖4中的虛擬感測系統400僅僅作為本揭露中的一個範例。每一模組可包括軟體及硬體以實現其功能。舉例來說，製程設備的適應性模型402可包括諸如計算機的硬體以及存儲器以供運作及儲存數據。適應性模型可包括軟體以供步驟的運行。適應性模型更可包括一資料庫，其中包括所有的硬體參數、重要硬體參數、回歸式、回歸係數、產品效應表、以及信賴水準參數。每一模組可經精確調校，並連接至該半導體生產商的其他模組或其他單元。該系統可依不同方式設定組織，例如以較少或較多模組組成而不違背本發明的精神。系統400更可連接至網絡430。舉例來說，系統400可連接至或包含部分的圖5的虛擬集成電路生產系統，其將於下述進行說明。
於是，晶圓生產結果可經由系統400以方法100進行預測。結合了來自量測工具的量測結果以及直接測試，可以以有限的量測工具及測量成本，以便有效地監控以增進位程效能並增進晶圓良率。本揭露中的方法與系統提供一對於晶圓生產進行監控與控制的方式，以增進效率並降低成本。
圖5繪出一虛擬集成電路生產系統500，其可能連接至圖4的系統400。虛擬集成電路生產系統500包括多個的實體502、504、426、424、422、400a、400b、516、...、N，該等實體經由通信網絡518相連接。網絡518可為單一網絡或各式不同的網絡，例如網際網路或企業網絡(Intranet)，並可包括有線與無線通信信道。
於本例中，實體502表示一服務系統以提供服務，實體504表示一顧客，實體426表示一工程師，實體424表示一量測工具以供IC測試與量測，實體422表示一製程設備，實體400a表示與製程設備相關的一虛擬感測系統，實體400b表示一第二虛擬感測系統(其與其他的處理設備相關，該處理設備可能為一實體)，而實體516表示另一虛擬集成電路生產系統(該虛擬集成電路生產系統屬於輔助者或一商業夥伴)。每一實體可與其他的實體互動，並向其他實體提供服務或自其他實體接收服務。
為了說明起見，每一形成虛擬集成電路生產系統500的一部分的實體皆可被稱為內部實體(即工程師、客服人員、系統的自動程序、設計設備或製程設備)，而與虛擬集成電路生產系統500進行互動的實體(例如顧客)則被稱為外部實體。實體可集中於一處或分散各處，部分實體可被併入其他實體。此外，每一實體可被分派一系統辨識信息，該信息使用於系統中以使信息依據各實體被授予的授權層級而進行存取。
虛擬集成電路生產系統500讓各實體間而可相互溝通關於集成電路的生產情況。舉例來說，於設計領域，顧客504可透過服務系統502存取其產品的設計的相關信息及使用設計設備。該等設備可讓顧客504實施良率分析、觀看電路布局信息、並得到類似的信息。於工程領域，工程師426可運用關於試產良率、風險分析、品質、可靠度等生產信息，而與其他工程師偕同工作。後勤領域可提供顧客504關於製造狀態、測試結果、訂單管控、以及交貨日等信息。這些領域僅為例示，而虛擬集成電路生產系統500可視需要提供更多或更少信息。
另一由虛擬集成電路生產系統500提供的服務可整合不同設備為系統，例如整合量測工具424與製程設備422。此等整合讓設備間能協調相互間的行動。舉例來說，整合量測工具或設備424與製程設備422可使生產信息更有效率地合併入製程中，並可使來自量測工具的晶圓數據回報予製程設備422以改進位程。
因此，本揭露提供一方法，包括根據生產數據及該虛擬感測系統的動態維護，以替一虛擬感測系統選取重要硬體參數，以預測晶圓生產結果。
於部分實施情況中，於選取該等重要硬體參數前，先收集該生產數據。接著運用該等重要硬體參數與該生產數據為該虛擬感測系統執行一回歸運算。於部分實施情況中，收集該生產數據的步驟更包括自一量測工具收集晶圓數據，以及自該製程設備收集製程設備數據。該實施情況更可包括運用來自該製程設備的製程設備數據，經由該虛擬感測系統預測一情況。
於部分實施情況中，該選取重要硬體參數的步驟更包括以一硬體參數進行估計，以及若該硬體參數與該產品情況相關性微弱，排除該硬體參數。
於部分實施情況中，該動態地維持該虛擬感測系統的步驟更包括比較經由該虛擬感測系統預測的一第一產品情況與借該等量測工具所量測的一第二產品情況，以及根據一新的生產數據調整該虛擬感測系統。該調整該虛擬感測系統的步驟更包括重新選取重要硬體參數，以及根據該新的生產數據調整回歸參數。而該調整該虛擬感測系統的步驟更包括根據該新的生產數據調整一產品效應表。
於另一實施例中，本揭露提供一種用以預測一半導體晶圓生產結果的方法，該方法包括下列步驟自一量測工具以及一製程設備收集生產數據，其中該生產數據包括晶圓數據與製程設備數據；根據該生產數據以選取重要硬體參數；利用該等重要硬體參數與該生產數據，通過執行一回歸程序以形成一虛擬感測系統；適應性地修正該虛擬感測系統；以及利用來自該製程設備的製程設備數據，通過該虛擬感測系統，預測該晶圓生產結果。
於部分實施情況中，該收集該生產數據的步驟包括自該量測工具收集該晶圓數據，以及自該製程設備收集該製程設備數據。該選取重要硬體參數的步驟包括下列步驟以某硬體參數進行估測；若該某硬體參數與該晶圓生產結果相關性微弱，排除該某硬體參數；以及重複上述兩步驟直到該製程設備的該等硬體參數被辨別出為止。該適應性地修正該虛擬感測系統的步驟包括比較通過該虛擬感應器系統預測的一晶圓生產結果與由該量測工具量測的一晶圓生產結果；亦可能包括重新選取重要硬體參數以及回歸係數；亦可能包括修正一產品效應表。
於另一實施例中，本揭露提供一種半導體製程監控系統，包括一重要硬體參數選擇器，用以為一半導體製程設備選取重要硬體參數；以及一適應性模型，被動態地維護，用以預測一晶圓生產結果；其中該適應性模型包括該等重要硬體參數。
於部分實施情況中，該半導體製程監控系統，更包括一數據收集器，用以收集生產數據；一回歸模組，用以運用該重要硬體參數與該生產數據以執行回歸分析；以及一接口模組，用以溝通預測得到的該晶圓生產結果。該數據收集器包括一機制以自一製程設備收集製程設備數據，以及一機制以自一量測工具收集晶圓數據。該接口模組包括提供晶圓生產結果預測值以供製程監控，提供晶圓生產結果預測值以供設備調整，提供晶圓生產結果預測值予下一製程步驟以供產品控制。
於部分實施情況中，該重要硬體參數選擇器包括一機制以硬體參數進行估測並排除呈弱相關的硬體參數。該適應性模型包括一第一機制，用以評估由該適應性模型預測的一第一晶圓生產結果與由該量測工具所量測的第二晶圓生產結果之間的差異；以及一第二機制，用以根據新的生產數據修正該適應性模型；其中該第二機制包括重新選取硬體參數、修正回歸係數、以及修正一產品效應表的功能。
雖然本發明已通過較佳實施例說明如上，但該較佳實施例並非用以限定本發明。本領域的技術人員，在不脫離本發明的精神和範圍內，應有能力對該較佳實施例做出各種更改和補充，因此本發明的保護範圍以權利要求書的範圍為準。
附圖中符號的簡單說明如下400虛擬感測系統402適應性模型
404數據收集器406重要硬體參數選擇器408回歸分析模組410通信接口422製程設備424量測工具426工程師430網絡502服務系統504顧客426工程師424量測工具422製程設備400a虛擬感測系統400b虛擬感測系統516其他虛擬集成電路生產系統518通信網絡
權利要求
1.一種用以監控半導體生產設備中的處理工具的方法，其特徵在於，該用以監控半導體生產設備中的處理工具的方法包括下列步驟根據一製程設備相關的生產數據，以替一虛擬感測系統選取重要硬體參數；收集關於該製程設備的生產數據；於多個的半導體產品生產時，動態地維護該虛擬感測系統；以及運用該虛擬感測系統以及收集的該生產數據以預測一半導體產品經由該製程設備處理後的情況。
2.根據權利要求1所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，更包括下列步驟於選取該重要硬體參數前，收集該生產數據；以及運用該重要硬體參數與該生產數據為該虛擬感測系統執行一回歸運算。
3.根據權利要求2所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，該收集該生產數據的步驟更包括下列步驟自一量測工具收集晶圓數據；以及自該製程設備收集製程設備數據。
4.根據權利要求1所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，更包括下列步驟運用來自該製程設備的製程設備數據，經由該虛擬感測系統預測一情況。
5.根據權利要求1所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，該選取重要硬體參數的步驟更包括下列步驟以一硬體參數進行估計；以及若該硬體參數與產品的該情況相關性微弱，排除該硬體參數。
6.根據權利要求1所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，該動態地維護該虛擬感測系統的步驟更包括下列步驟比較經由該虛擬感測系統預測的一第一產品情況與借該量測工具所量測的一第二產品情況；以及根據一新的生產數據調整該虛擬感測系統。
7.根據權利要求6所述的用以監控半導體生產設備中的處理工具的方法，其特徵在於，該調整該虛擬感測系統的步驟更包括下列步驟重新選取重要硬體參數；根據該新的生產數據修正回歸參數；以及根據該新的生產數據修正一產品效應表。
8.一種用以預測一半導體晶圓生產結果的方法，其特徵在於，該用以預測一半導體晶圓生產結果的方法包括下列步驟自一量測工具以及一製程設備收集生產數據，其中該生產數據包括晶圓數據與製程設備數據；根據該生產數據以選取重要硬體參數；利用該重要硬體參數與該生產數據，通過執行一回歸程序以產生一虛擬感測系統；適應性地修正該虛擬感測系統；以及利用來自該製程設備的製程設備數據，通過該虛擬感測系統，預測該晶圓生產結果。
9.根據權利要求8所述的用以預測一半導體晶圓生產結果的方法，其特徵在於，該收集該生產數據的步驟包括下列步驟自該量測工具收集該晶圓數據；以及自該製程設備收集該製程設備數據。
10.根據權利要求8所述的用以預測一半導體晶圓生產結果的方法，其特徵在於，該選取重要硬體參數的步驟包括下列步驟以某硬體參數進行估測；若該某硬體參數與該晶圓生產結果相關性微弱，排除該某硬體參數；以及重複上述兩步驟直到該製程設備的該重要硬體參數被辨別出為止。
11.根據權利要求8所述的用以預測一半導體晶圓生產結果的方法，其特徵在於，該適應性地修正該虛擬感測系統的步驟包括下列步驟比較通過該虛擬感應器系統預測的一晶圓生產結果與由該量測工具量測的一晶圓生產結果；重新選取重要硬體參數以及回歸係數；以及修正一產品效應表。
12.一種半導體製程監控系統，其特徵在於，該半導體製程監控系統包括一重要硬體參數選擇器，用以為一半導體製程設備選取重要硬體參數；以及一適應性模型，被動態地維護，用以預測一晶圓生產結果；其中該適應性模型包括該重要硬體參數。
13.根據權利要求12所述的半導體製程監控系統，其特徵在於，更包括一數據收集器，用以收集生產數據；一回歸分析模組，用以運用該重要硬體參數與該生產數據以執行回歸分析；以及一通信接口模組，用以溝通預測得到的該晶圓生產結果。
14.根據權利要求13所述的半導體製程監控系統，其特徵在於，該數據收集器運用一機制以自一製程設備收集製程設備數據，並運用另一機制以自一量測工具收集晶圓數據。
15.根據權利要求12所述的半導體製程監控系統，其特徵在於，該重要硬體參數選擇器運用一機制以便以硬體參數進行估測並排除呈弱相關的硬體參數。
16.根據權利要求12所述的半導體製程監控系統，其特徵在於，該適應性模型包括一第一機制，用以評估由該適應性模型預測的一第一晶圓生產結果與由該量測工具所量測的第二晶圓生產結果之間的差異；以及一第二機制，用以根據新的生產數據修正該適應性模型；其中該第二機制包括重新選取硬體參數、修正回歸係數、以及修正一產品效應表的功能。
全文摘要
本發明提供一種用以監控半導體生產設備中的處理工具的方法與系統，該方法包括下列步驟根據一製程設備相關的生產數據，以替一虛擬感測系統選取重要硬體參數；以及收集關於該製程設備的生產數據。該方法更包括下列步驟於多個的半導體產品生產時，動態地維持該虛擬感測系統；以及運用該虛擬感測系統以及收集的該生產數據以預測一半導體產品經由該製程設備處理後的情況。本發明所述的用以監控半導體生產設備中的處理工具的方法與系統，提供一對於晶圓生產進行監控與控制的方式，以增進效率並降低成本。
文檔編號G05B19/02GK1858665SQ20061005826
公開日2006年11月8日 申請日期2006年2月28日 優先權日2005年5月3日
發明者林俊賢, 陳炳旭, 巫尚霖, 柯俊成 申請人:臺灣積體電路製造股份有限公司